VERİ MADENCİLİĞİ VE SAĞLIK SEKTÖRÜNDE KULLANIMI.

... konulu sunumlar: "VERİ MADENCİLİĞİ VE SAĞLIK SEKTÖRÜNDE KULLANIMI."— Sunum transkripti:

1 VERİ MADENCİLİĞİ VE SAĞLIK SEKTÖRÜNDE KULLANIMI

2 KONULAR ; VERİ NEDİR? VERİ TABANI VE TÜRLERİ VERİ AMBARI
VERİ TABANLARINDA BİLGİ KEŞFİ VERİ MADENCİLİĞİ VERİ MADENCİLİĞİ VE İŞ ZEKASI VERİ MADENCİLİĞİ YÖNTEMLERİ VERİ MADENCİLİĞİNİN ÇÖZÜM ÜRETTİĞİ İŞ PROBLEMLERİ VERİ MADENCİLİĞİ KULLANIM ALANLARI SAĞLIKTA KULLANIMI VE UYGULAMALARI

3 VERİ Bilgisayara giren işlenmemiş verilerdir. Bilgisayarın alabildiği sonuç, üretebildiği herşeydir. VERİ TABANI En geniş anlamıyla; birbiriyle ilişkili verilerin tekrara yer vermeden, çok amaçlı kullanımına olanak sağlayacak şekilde depolanmasıdır.

4 VERİ TABANI TÜRLERİ ᴥ Hiyerarşik Veritabanı :Hiyerarşik veri tabanları, ana-bilgisayar ortamlarında çalışan yazılımlar tarafından kullanılmaktadırlar. ᴥ İlişkisel Veritabanı : (İlişkisel Type) En yaygın olarak kullanılan veri tabanları ilişkisel olanlardır. Çünkü hem ana bilgisayarlarda hem de PC tabanlı ortamlarda çalışan örnekleri vardır ᴥ Nesnesel Veritabanı : Nesneler, bir tabloda yer alan bir kayıttan çok daha karmaşık bir yapıya sahiptirler ve daha esnek bir yapıda daha kullanışlı düzenlenebilmektedirler.

5 VERİ TABANI ÖRNEKLERİ . Microsoft Access Microsoft firmasının Office paketi içinden çıkan Access, paralı veritabanları arasında nispeten ucuz olarak göze çarpar. Küçük ölçekli uygulamalardaki gereksinimlerinizi karşılayabilir. . Oracle Oracle, dünyanın en güçlü ve güvenilir veritabanı olarak gösterilmektedir, ancak çok yüksek maliyeti nedeniyle sadece büyük kurumların tercih edebilecekleri bir veritabanıdır. Oracle, sınırsız sayıda tabloları desteklemektedir. Çok büyük yazılım desteği vardır. . Interbase Linux platformu üzerinde çalışan, ücretsiz bir veritabanı sunucusudur. Yaygın değildir. Ücretsizdir.

6 VERİ TABANLARINDA BİLGİ KEŞFİ Veri tabanlarında bilgi keşfi (VTBK) makine öğrenimi, örüntü tanıma, veri tabanları, istatistik, yapay zeka, uzman sistemler, veri görselleştirme ve yüksek performanslı hesaplama gibi araştırma alanlarının kesişimi olarak gelişmiş ve gelişimine devam etmektedir. Tek hedef, büyük veri setleri kapsamında, düşük düzeyde veriden, yüksek düzeyde bilgi aktarmaktır.

7

8 VERİ AMBARI Pek çok farklı kaynaktan ve genellikle de farklı yapıda verinin depolandığı ve hepsinin de aynı birleşik çatı altında kullanılmasının ümit edildiği yapılardır. Veri ambarcılığı, veri kümelerine VTBK aşaması için iki önemli yoldan yardımcı olur: • Veri temizleme • Veri erişimi

9 Ambardan Madene Standard form Veri Ambarı Günlük Veri tabanları
Veri alınır, çevrilir, temizlenir, guruplanır Amaç belirlenir, veri oluşturulur

10 VERİ MADENCİLİĞİ NEDİR
VERİ MADENCİLİĞİ NEDİR? Büyük miktarda veri içinden, gelecekle ilgili tahmin yapmamızı sağlayacak bağıntı ve kuralların aranmasıdır. NEDEN VERİ MADENCİLİĞİ? *Elde var olan büyük miktardaki veri *Rekabetin artması *Hazır teknoloji

11 VERİ MADENCİLİĞİ VE İŞ ZEKÂSI İş zekâsı terimi, işte karar vermeyi destekleyen ve bilgi teknolojilerini temel alan bütün süreçler, teknikler ve araçlar için genel anlamda kullanılan bir ifadedir. Veri Madenciliği iş zekâsının yeni ve önemli bir bileşenidir.

12

13 VERİ MADENCİLİĞİ YÖNTEMLERİ • Denetimli yöntemler : Veri Madenciliğinde iyi tanımlanmış veya kesin bir hedef olduğunda denetimli (supervised) ifadesi kullanılır. Denetimsiz yöntemler daha çok veriyi anlamaya, tanımaya, keşfetmeye yönelik olarak kullanılan ve sonraki uygulanacak yöntemler için fikir vermeyi amaçlamaktadır.

14 Denetimli (Supervised) Veri Madenciliği Yöntemleri • En yakın k komşuluk (k-Nearest-Neighbor) • K-ortalamalar kümeleme (K-means clustering) • Regresyon modelleri (Regression models) • Kural çıkarımı (Rule induction) • Karar ağaçları (Decision trees) • Sinir ağları (Neural networks)

15 • Denetimsiz yöntemler : Elde edilmesi istenen sonuç için özel bir tanımlama yapılmamışsa veya belirsizlik söz konusu ise denetimsiz (unsupervised) ifadesi kullanılır.. denetimsiz bir yöntemle elde edilen bir bilgi veya sonucu, eğer mümkünse denetimli bir yöntemle teyit etmek, elde edilen bulguların doğruluğu ve geçerliliği açısından önem taşımaktadır.

16 Denetimsiz (Unsupervised) Veri Madenciliği Yöntemleri • Aşamalı kümeleme ( Hierarchical clustering) • Kendi kendini düzenleyen haritalar (Selforganized maps) olarak sınıflandırılabilir

17 Veri Madenciliğinde kullanılan klasik yöntemlerin başlıcaları; • Regresyon, • K - En Yakın Komşuluk, • Kümeleme olarak sayılabilir. Yeni nesil yöntemlerin başlıcaları ise; • Karar Ağaçları, • Birliktelik Kuralları, • Sinir Ağları,

18 Veri Madenciliğinin Çözüm Ürettiği İş Problemleri
Churn analyse : Hangi müşterilerimiz rakiplerimize kaymaya daha çok meğilli.. Cross selling : Müşterilerimiz daha çok hangi ürünleri almaya meğilliler... Fraud Detection : Acaba bu müşteri, sigorta talep eden bir sahtekar mı... Risk Management : Bu müşterinin kredi talebini onaylamalı mıyım... Customer Segmentation : Benim müşterilerim kimler... Sales Forecast : Gelecek ay bu mağazada kaç şişe şarap satacağım...

19 VERİ MADENCİLİĞİ KULLANIM ALANLARI Finans Sektörü : Finans ve sigorta sektörü günümüzde sundukları hizmet, ürün ve servislerle bilgiye dayalı yönetime en fazla ihtiyaç duyan kuruluşlardır. Bu sektörde bilgiye dayalı yönetim özellikle ekonomik krizin yaşattığı sonuçlar göz önüne alındığında tartışmasız önemli ve zorunludur.

20 Haberleşme Sektörü : Kuruluşlar hangi müşterilerini kaybedebileceklerini önceden belirleyebildikleri taktirde bu müşterilerini elde tutma amaçlı stratejiler geliştirebilir, düşük maliyetli ve etkili kampanyalar düzenleyebilirler. Devlet Uygulamaları : Müşteriye özel hizmet sunan ticari kuruluşlarda olduğu gibi devlet kurumları da vatandaşlarının ihtiyaçlarına özel hizmet sunar.

21 Sağlık Sektörü : Sağlık sektörü bilginin içerik ve yapısal anlamda en hızlı değiştiği alanlardandır. Sağlık hizmetlerinin en hızlı, en doğru, en yüksek kalitede ve ihtiyaca cevap verecek şekilde sunulabilmesi için sağlık profesyonellerinin en doğru ve güncel bilgiye ulaşması ve bu bilgiyi karar destek sistemlerinden faydalanarak kullanması gerekmektedir. sağlık hizmetlerinin sunumu, her düzeydeki sağlık kurumlarının yönetimi ve sağlık politikalarının oluşturulmasında bir karar destek aracı olarak Veri Madenciliği’nin kullanılması sağlık profesyonellerinin en optimal kararları almasına yardımcı olacaktır.

22 SAĞLIKTAKİ YERİ VE ÜRETTİĞİ. ÇÖZÜMLER
SAĞLIKTAKİ YERİ VE ÜRETTİĞİ ÇÖZÜMLER *Veri Ambarı Oluşturma Veri Madenciliği Çözümü: Veri Madenciliği yöntemlerinin uygulanmasında temel zorunluluklardan birisi veriye, kolay erişim ve analiz edilebilir temiz veri teminidir ki; bu sorun veri ambarlarıyla çözümlenmektedir. Hastanelerdeki tüm veri, temizlenip konsolide edilerek bir tek üretici veri tabanına veya veri ambarına indirgenebilir.

23 *Elektronik Hasta Dosyalarının Oluşturulması Veri Madenciliği Çözümü: Veri ambarı mantığına uygun olarak, kullanılabilir ve kaliteli verinin pek çok veri tabanından bir tek veri tabanına konsolide edilmesi veya tek merkezden erişimin sağlanabileceği bütünleşik bir yapı oluşturulması gerekmektedir.

24 *Kronik Hastalıklar İçin Erken Uyarı Sinyallerinin Veri Madenciliği İle Tespiti Veri Madenciliği Çözümü: Her bir kronik hastalığa yönelik sosyal, ekonomik, demografik, coğrafi vb. tüm değişkenler dikkate alınarak, hastalığın ortaya çıkışında etkisi olan değişkenlerin Önemli Bileşenler Analizi, Faktör Analizi veya Lojistik Regresyon ile belirlenmesi mümkündür. Akabinde, etkisi tespit edilen değişkenlerin, etkin olduğu sınır değerler dikkate alınarak; hastalığın ortaya çıkışına işaret edebilecek risk sinyalleri geliştirilebilir.

25 Veri Madenciliği’nin sağlık sektöründeki diğer kullanım alanları olarak    • Sağlık personelinin performansının izlenmesi, • Hasta akış planlarının yapılması, • Tıbbi tedavi süreçlerinin optimizasyonu (klinik rehber), • İlaç kullanım hata ve yan etkileri için erken uyarı sinyallerinin belirlenmesi, • Veri Madenciliğine dayalı olarak hasta ve ilaç kullanımının profillendirilmesi ve Türkiye ilaç kullanım haritasının hazırlanması, • Kronik hastalıklarda veri madenciliğine dayalı olarak ilaç kullanım alışkanlıkları ve risk tespiti, • İlaç birim maliyetlerinin hesaplanması, • İlaç inovasyon maliyetlerinin belirlenmesi • Bioterörizme karşı sağlık veritabanı oluşturulması, • Afet telafisinde önceliklerin ve minimum maliyetlerin belirlenmesi gibi örnekler verilebilir.

26 Madencilik için Gerekenler
Çok miktarda kaliteli veri İlgili ve bilgili uzmanlar: Uygulama alanı Veri Tabanları (Veri Ambarcılığı) İstatistik ve Yapay Öğrenme Zaman ve sabır

27 SONUÇ OLARAK ; Veri Madenciliği, sağlık profesyonellerinin en doğru güncel bilgiye ulaşmasını, en objektif ve optimum çözümleri kullanmasını sağlayacak bir karar destek aracıdır. Geleceğin sayısal karar verme ve iş zekası yöntemi olan Veri Madenciliğinin konunun uzmanı kişiler tarafından sağlık sektöründe kullanımı, sağlık hizmetlerinin daha etkin sunumu, kaynakların daha verimli kullanımı ve bilimsel, karşılaştırılabilir, şeffaf bilgi erişimi açısından önerilmektedir.

28 Emel KORAY Eser PUNAR Zeynep EMSEN

29 TEŞEKKÜRLER… 